बद शब्द पहचान API को पाठों में अनुचित या आपत्तिजनक भाषा की पहचान, विश्लेषण और सेंसर करने के लिए डिज़ाइन किया गया है इसका मुख्य उद्देश्य सभी प्रकार के दर्शकों के लिए सुरक्षित, अधिक सम्मानजनक और उचित डिजिटल वातावरण सुनिश्चित करना है विशेष रूप से उन प्लेटफार्मों पर जहां उपयोगकर्ता सामग्री उत्पन्न करते हैं जैसे सोशल नेटवर्क, फ़ोरम, चैट, वीडियो गेम या शैक्षणिक अनुप्रयोग
यह API पाठ का सांकेतिक और संदर्भात्मक विश्लेषण करके काम करता है जब किसी सामग्री की श्रृंखला भेजी जाती है तो सिस्टम इसे शब्द दर शब्द जांचता है आपत्तिजनक अभिव्यक्तियों के अद्यतन डेटाबेस के साथ मेल की पहचान करने के लिए विभिन्न भाषाओं और वर्तनी भिन्नताओं में परिणाम में विस्तृत जानकारी शामिल होती है जैसे कि पाए गए अनुचित शब्दों की कुल संख्या उनका पाठ में सटीक स्थान कोई वर्तनी विचलन और प्रत्येक शब्द की गंभीरता स्तर
विश्लेषण के अतिरिक्त API स्वचालित सेंसरशिप कार्यक्षमता भी प्रदान करता है जो censored_content नामक एक फ़ील्ड उत्पन्न करता है जो पहचाने गए शब्दों को प्रतीकों (जैसे "****") से बदल देता है यह डेवलपर्स को संवाद के प्रवाह को बाधित किए बिना पाठ के फ़िल्टर्ड संस्करण को आसानी से एकीकृत करने की अनुमति देता है या संवेदनशील सामग्री को उजागर करता है
एक और लाभ है अनुकूलन यह संवेदनशीलता के स्तर को संदर्भ या लक्षित दर्शकों के अनुसार अनुकूलित करना संभव है सेंसर किए गए शब्दों की सूची को बढ़ाने या घटाने का काम करता है इसे स्वचालित मॉडरेशन प्रणालियों, प्रशासन पैनल या सुरक्षित भाषा सीखने के लिए कृत्रिम बुद्धिमत्ता के साथ भी जोड़ा जा सकता है
संक्षेप में यह API न केवल एक अभद्रता फ़िल्टर के रूप में कार्य करता है बल्कि एक संपूर्ण भाषाई मॉडरेशन प्रणाली के रूप में भी कार्य करता है इसकी कार्यान्वयन डिजिटल सह-अस्तित्व में सुधार करने ऑनलाइन उत्पीड़न को कम करने और इसे उपयोग करने वाले प्लेटफार्मों की प्रतिष्ठा की रक्षा करने में योगदान करता है अभिव्यक्ति की स्वतंत्रता और सम्मानजनक संवाद के बीच संतुलन प्रदान करता है
{"content": "shit", "bad_words_total": 1, "bad_words_list": [{"original": "shit", "word": "shit", "deviations": 0, "info": 2, "start": 0, "end": 4, "replacedLen": 4}], "censored_content": "****"}
curl --location --request POST 'https://zylalabs.com/api/11024/bad+words+detection+api/20770/censure' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw 'shit'
| हेडर | विवरण |
|---|---|
Authorization
|
[आवश्यक] होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें। |
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
संशोधन अंतर्दृष्टि एक JSON वस्तु लौटाता है जिसमें मूल सामग्री, обнаруженных अपमानजनक शब्दों की कुल संख्या, उन शब्दों की एक सूची उनके विवरण के साथ और सामग्री का एक सेंसर किया हुआ संस्करण शामिल है यह डेवलपर्स को अनुपयुक्त भाषा के स्तर को समझने और एक फ़िल्टर किया हुआ आउटपुट प्रदान करने की अनुमति देता है
प्रतिक्रिया में प्रमुख क्षेत्र शामिल हैं `content` (मूल पाठ) `bad_words_total` (अपमानजनक शब्दों की संख्या) `bad_words_list` (पाई गई प्रत्येक शब्द के विवरण) और `censored_content` (अपमानजनक शब्दों के बदले गया पाठ) ये क्षेत्र मॉडरेशन के लिए व्यापक अंतर्दृष्टि प्रदान करते हैं
प्रतिक्रिया डेटा को एक JSON ऑब्जेक्ट के रूप में संरचित किया गया है इसमें मूल सामग्री के लिए एक मुख्य ऑब्जेक्ट, कुल बुरे शब्द, पहचान किए गए शब्दों की एक सूची (विवरण सहित) और संपादित संस्करण शामिल है यह संगठन आसान पार्सिंग और अनुप्रयोगों में एकीकरण को सुलभ बनाता है
सेंसर एंडपॉइंट उन पैरामीटरों को स्वीकार करता है जैसे कि विश्लेषित करने के लिए टेक्स्ट और संवेदनशीलता स्तरों के लिए वैकल्पिक सेटिंग्स उपयोगकर्ता अपनी आवश्यकताओं के अनुसार फ़िल्टरिंग मानदंड को समायोजित करने के लिए संदर्भ या दर्शकों को निर्दिष्ट करके अपने अनुरोधों को अनुकूलित कर सकते हैं
उपयोगकर्ता लौटाए गए डेटा का उपयोग करके `bad_words_list` का विश्लेषण कर सकते हैं यह समझने के लिए कि कौन से शब्द चिह्नित किए गए और उनकी गंभीरता क्या है `censored_content` को सीधे फ़िल्टर किए गए पाठ को प्रदर्शित करने के लिए उपयोग किया जा सकता है जिससे सामग्री को संदर्भ बनाए रखते हुए सम्मानजनक संचार सुनिश्चित होता है
विशिष्ट उपयोग के मामलों में सोशल मीडिया, फोरम और चैट एप्लिकेशन पर उपयोगकर्ता द्वारा उत्पन्न सामग्री को मॉडरेट करना शामिल है, साथ ही शैक्षिक उपकरणों और वीडियो गेम में उपयुक्त भाषा सुनिश्चित करना भी शामिल है यह विभिन्न प्लेटफार्मों पर सम्मानजनक वातावरण बनाए रखने में मदद करता है
डेटा सटीकता को हमलावर शब्दों के डेटाबेस को निरंतर अद्यतन करके बनाए रखा जाता है जिसमें विभिन्न भाषाएं और वर्तनी की भिन्नताएं शामिल हैं नियमित समीक्षाएं और सामुदायिक फीडबैक यह सुनिश्चित करने में मदद करते हैं कि यह सूची प्रासंगिक और अनुपयुक्त भाषा का पता लगाने में प्रभावी बनी रहे
मानक डेटा पैटर्न में आपत्तिजनक शब्दों की स्पष्ट पहचान उनकी स्थिति और प्रत्येक शब्द को निर्धारित किए गए गंभीरता स्तरों का समावेश होता है उपयोगकर्ता उत्तर में सुसंगत प्रारूप की उम्मीद कर सकते हैं जिससे परिणामों को एकीकृत करना और विश्लेषण करना आसान हो जाता है
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
883ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
119ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,142ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
2,995ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
325ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
871ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
148ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
237ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
21ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
497ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
2,120ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,027ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
8,778ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
13,507ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,914ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
460ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
984ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
12,425ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
175ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
20,002ms